视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
基于编辑的平行掩码扩散语言模型精炼
机构 * CUHK MMLab（香港中文大学多模态实验室） ； SenseTime Research（商汤科技研究院） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出ME-DLM框架，通过轻量级后编辑步骤提升平行生成质量与鲁棒性，基于LLaDA实现HumanEval和GSM8K性能提升。
Comments Accepted to ICML 2026
DiffATS: 在对齐张量空间中的扩散
机构 * Northwestern University（西北大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出DiffATS，一种基于对齐张量空间的生成框架，通过构建数据依赖的张量原始元来高效生成高分辨率时空场，实现压缩比达3.9至210倍的生成性能。
具有几何意识的扩散模型离散化误差
机构 * Univ. Gustave Eiffel, CNRS, LIGM（法国埃菲尔大学、国家科学研究中心、LIGM实验室） ； Univ. Paris-Saclay, Inria, CEA（巴黎-萨克雷大学、法国国家信息与自动化技术研究院、法国原子能委员会） ； CNRS, ENS, PSL Université（国家科学研究中心、巴黎高等师范学院、巴黎-萨克雷大学）
专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)
AI总结 本文研究了扩散模型中离散化误差的几何适应性，通过推导Euler-Maruyama方法的弱和Fréchet离散化误差的一阶渐进行为，揭示了数据几何结构与扩散参数的交互作用，为几何感知参数优化提供可操作的目标。
JUST-DUB-IT: 通过联合音频-视觉扩散进行视频配音
机构 * Tel Aviv University（特拉维夫大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV、cs.GR
AI总结 本文提出JUST-DUB-IT方法，利用轻量LoRA调整基础音频-视频扩散模型，实现视频到视频的高质量配音，提升视觉保真度和唇同步性能。
Comments Project webpage available at https://justdubit.github.io
异方差扩散用于多智能体轨迹建模
机构 * Institut de Robòtica i Informàtica Industrial, CSIC-UPC（机器人与信息学院，CSIC-UPC）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出U2Diffine模型，通过异方差不确定性估计提升多智能体轨迹补全与预测性能，结合Taylor近似和RankNN实现高效推理与误差概率评估，优于现有方法。
Comments Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). Extended version of arXiv:2503.18589 (CVPR 2025)
通过扩散框架实现逼真且高效的bokeh渲染
机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究院，中国科学院） ； vivo BlueImage Lab, vivo Mobile Communication Co., Ltd.（vivo BlueImage实验室，vivo移动通信有限公司） ； Shenzhen University of Advanced Technology（深圳大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出MagicBokeh框架，通过替代训练策略和聚焦感知的掩码注意力机制，联合优化bokeh渲染与超分辨率，提升可控性和视觉保真度，并引入降质感知深度模块以提高低质量输入的深度估计准确性。
Comments Accepted by CVPR 2026
动态点云的扩散掩码预训练
机构 * Xi’an Jiaotong University（西安交通大学） ； School of Artificial Intelligence and Robotics, Hunan University（湖南大学人工智能与机器人学院） ； University of Western Australia（西澳大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出DiMP框架，通过引入扩散建模解决动态点云预训练中位置泄露和运动监督问题，提升下游任务性能。
COP-GEN：用于Copernicus地球观测数据的潜在扩散变换器
机构 * School of Engineering University of Edinburgh（工程学院爱丁堡大学） ； European Space Agency (ESA)（欧洲航天局） ； Asterisk Labs（Asterisk实验室）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 COP-GEN通过建模异质地球观测模态的联合分布，实现了多模态潜在扩散变换器，支持灵活的任意到任意条件生成，包括无需重新训练的零样本模态翻译。
随机性的确定性：提示残差种子塑形用于扩散生成
机构 * USTC（中国科学技术大学） ； Li Auto Inc.（利亚自动化公司） ； Xi’an High-tech Research Institute（西安高新技术研究院） ； Wechat Vision（微信视觉） ； Cambridge University（剑桥大学） ； HUST（华中科技大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文研究了扩散生成中种子敏感性，提出无需训练的提示残差种子塑形方法，通过单个高噪声冷启动提示残差提升生成对齐和质量。
MFVLR：多领域细粒度视觉-语言重建用于通用扩散面部伪造检测与定位
机构 * Faculty of Computer Science and Technology, Qilu University of Technology (Shandong Academy of Sciences)（计算机科学与技术学院，齐鲁工业大学（山东省科学院）） ； School of Computing, National University of Singapore（国立新加坡大学计算机学院） ； Shandong Artificial Intelligence Institute, Qilu University of Technology (Shandong Academy of Sciences)（山东省人工智能研究院，齐鲁工业大学（山东省科学院）） ； Key Laboratory of Computer Vision and System, Ministry of Education, Tianjin University of Technology（教育部计算机视觉与系统重点实验室，天津工业大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出MFVLR模型，通过语言引导的面部伪造表示学习，实现通用的扩散合成面部伪造检测与定位，结合多领域视觉编码器和细粒度语言变压器提升模型泛化能力。
ConFixGS：基于置信度感知扩散先验的学习以修复馈送式3D高斯点溅射在驾驶场景中
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Cambridge（剑桥大学） ； Technical University of Munich（慕尼黑技术大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出ConFixGS，通过置信度感知扩散先验学习修复馈送式3D高斯点溅射，提升稀疏视角驾驶场景中新型视角合成的鲁棒性，实验显示PSNR提升3.68dB，FID降低近一半。
Comments 28 pages, 12 figures
Forcing-KV：用于高效自回归视频扩散模型的混合KV缓存压缩
机构 * ZJU（浙江大学） ； Video Rebirth（视频重生） ； HKUST（香港科技大学） ； BJTU（北京理工大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出Forcing-KV方法，通过混合KV缓存压缩技术，提升自回归视频扩散模型的生成速度和内存效率，实现高达2.82倍的速度提升。
Comments 10 pages
任意到任意的3D扩散模型与知识转移：放射治疗计划研究
机构 * UC Santa Cruz（加州大学圣克ruz分校） ； Siemens Healthineers（西门子医疗） ； University of Washington（华盛顿大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出DiffKT3D，一种利用预训练视频扩散模型知识的统一Any2Any 3D扩散框架，通过模态特定嵌入实现多临床模态灵活条件化，结合临床导向的强化学习机制，提升放射治疗计划中的剂量预测精度与图像质量。
Comments Accepted by CVPR 2026 main conference. Compare to CVPR version, minor updates here are included (e.g., combine main text and appendix; clarify the timing scenario in appendix)
具有鲁棒性的扩散求解器用于逆问题
机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） ； Yau Mathematical Sciences Center, Tsinghua University（清华大学尤太数学科学中心）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出一种鲁棒扩散求解器，通过噪声估计和Huber损失构建迭代加权最小二乘目标，以解决逆问题中的异常值问题，并在多个图像数据集上验证了其有效性。
Comments Accepted by CVPR 2026
跨模态语义增强的扩散框架用于糖尿病视网膜病变分级
机构 * School of Software Engineering Beijing Jiaotong University（软件工程学院 北京交通大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出CLIP引导语义扩散框架，通过整合视觉-语言预训练与扩散概率建模，解决糖尿病视网膜病变分级中的细粒度病变模式区分、分布差异和临床语义知识利用问题。
Comments 6 pages, 3 figures, 2 tables
GPO-V：通过全局概率优化实现扩散视觉语言模型的突破
机构 * ShanghaiTech University（上海科技大学） ； University of Warwick（沃里克大学） ； SUN YAT-SEN UNIVERSITY（中山大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出GPO-V，通过全局概率优化方法突破扩散视觉语言模型的安全防线，揭示了非顺序生成架构中的关键安全漏洞。
基于光谱引导的扩散噪声调度
机构 * Google Research（谷歌研究）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出基于图像光谱特性设计实例特定噪声调度的方法，通过理论界限优化噪声级别，提升单阶段像素扩散模型生成质量，尤其在低步数情况下表现更佳。
Comments Accepted to ICML'26
Nix 和 Fix：通过扩散模型实现 3D 高斯散射的 1000 倍压缩
机构 * 1 Chair of Media Technology, Munich Institute of Robotics ； Machine Intelligence School of Computation, Information ； Technology Technical University of Munich, 80333 Munich, Germany 2LTCI, T\'el\'ecom Paris, Institut Polytechnique de Paris, France
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出 NiFi 方法，通过扩散模型实现 3DGS 在极低速率下的高质量压缩，达到 1000 倍压缩率。
增强控制的自回归扩散用于数据同化
机构 * University of California, Irvine（加州大学洛杉矶分校）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出一种增强控制的自回归扩散模型，通过引入预训练模型与离线训练控制器，提升数据同化中混沌时空偏微分方程的稳定性和准确性。
TARO：利用扩散模型作为净化器的时序对抗修正优化
机构 * Department of Computer Science（计算机科学系） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 TARO通过构建时序引导的分数先验，结合多视角去噪，实现对抗样本的鲁棒修正与语义保留，提升零样本下的鲁棒性。
通过因果-扩散桥进行多模态情绪识别（Affect-Diff）
机构 * Department of Computer Science -- Data Science（计算机科学系——数据科学部） ； Fordham University（福特汉姆大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 针对CMU-MOSEI数据集中情绪类别不平衡问题，Affect-Diff通过因果图、正则化潜在压缩和扩散先验机制提升识别性能，验证了其在平衡准确率和少数类敏感性上的优势。
Comments 10 Pages, 12 Figures, 6 Tables
NoiseRater: 用于扩散模型训练的元学习噪声估值
机构 * Stanford University（斯坦福大学） ； UNSW（新南威尔士大学） ； UCL（伦敦大学学院） ； The University of Chicago（芝加哥大学） ； CUHK（香港中文大学） ； Nanjing University（南京大学） ； Brown University（布朗大学） ； Yale University（耶鲁大学） ； University of Notre Dame（Notre Dame 大学） ； University of Waterloo（滑铁卢大学） ； UCB（加州大学伯克利分校） ； Georgia Technology（佐治亚理工学院） ； Amazon（亚马逊）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出NoiseRater，通过元学习实现实例级噪声估值，提升扩散模型训练效率和生成质量。
自适应多视图图对比学习：通过分数阶神经扩散网络
机构 * School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（南洋理工大学电子与电气工程学院） ； University College London, London, U.K.（伦敦大学学院）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出一种无增强的多视图图对比学习框架，利用分数阶连续动力学生成连续视图谱，通过调整分数阶导数阶数α实现自适应扩散尺度，提升多尺度结构模式的表征能力。
Comments Machine learning, diffusion neural networks. arXiv admin note: text overlap with arXiv:2504.16748
从光度流中联合概率推断星系红移和本动光谱的潜在扩散模型
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出一种生成框架，通过光度流联合推断星系红移和本动光谱，利用预训练的光谱自动编码器和扩散模型，在光度数据中提取光谱信息。
Comments 12 pages, 10 figures
diffGHOST：基于扩散的生成模糊遗忘合成轨迹
机构 * Orange Research（Orange研究院） ； Orange Business（Orange公司）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出diffGHOST，一种基于潜在空间分割的条件扩散模型，旨在解决轨迹合成中隐私保护与实用性之间的平衡问题。
通过生成性Gibbs采样结合显式物理上下文组成扩散先验
机构 * Department of Chemistry（化学系） ； Courant Institute of Mathematical Sciences（数学科学学院） ； University of Chicago（芝加哥大学） ； New York University（纽约大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出GG-PA框架，通过生成性Gibbs采样结合显式物理上下文，实现扩散先验与物理上下文的联合分布推断，验证了在有限扩散时间下精确性，并通过实验展示其在双井系统、ϕ⁴晶格模型和原子肽系统中的有效性。
Comments 31 pages, 11 figures
指导扩散在结构化输入黑盒优化中的后悔分析
机构 * Lattice Lab（晶格实验室） ； Toyota Motor Corporation（丰田汽车公司） ； School of Mathematics（数学学院） ； University of Bristol（布里斯托大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出基于证书的期望简单后悔框架，用于指导扩散黑盒优化，避免最大信息增益和RKHS假设，通过质量提升度量解释收敛机制，并提供实用诊断和修正重采样构造。
Comments 48 pages, 12 figures
用于拍击去混响的冷扩散方法
机构 * Department of Music Technology（音乐技术系） ； Acoustics Hellenic Mediterranean University（声学希伯伦地中海大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出冷扩散框架用于去混响立体鼓声，将混响视为确定性退化过程，通过UNet和扩散Transformer实现，实验表明在感知和信号指标上优于基线方法。
Comments Accepted for the 2026 IEEE World Congress on Computational Intelligence, IJCNN Track, 21-26 June 2026, Maastricht, the Netherlands
相对分数策略优化用于扩散语言模型
机构 * University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出RSPO方法，通过可验证奖励校准扩散语言模型中的噪声似然估计，提升推理能力，在规划任务中表现优异。
扩散语言模型中的层崩溃
机构 * Tübingen AI Center（图宾根人工智能中心） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute Tübingen（图宾根ELLIS研究所）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 研究揭示扩散语言模型中层崩溃现象，其由过度训练导致，早期层存在冗余表示，压缩时表现优于自回归模型。
Comments 9 Pages, Preprint
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈